聚类分析，即通过将相似的事物聚集在一起，而将不相似的事物划分到不同的类别的过程，它能够帮助分析人员识别数据全局的分布模式，更好地去探索不同类别数据属性之间的区别和联系，从而找到数据的区分标识，并以此来进行更好的数据分类分析、探索和数据挖掘工作。
​
聚类分析是工业工程、生物医药及市场研究等领域常用的一种探索性数据挖掘的方法。

在半导体的晶圆制备工艺中，借助于聚类分析中的“空间测度”方法，工程师可以根据晶片缺陷模式所分成的不同类别，结合自己的专业知识快速地诊断出导致这些产品失效的相关工艺环节，锁定品质改良的关键因素。


在药品研究或质量评价领域，研究人员在计算了药物的若干关键参数后，结合聚类分析可以帮助他们将药物进行科学的分类，由此可以对不同药物的异同特性形成更深刻的认识。



在自然保护领域，保护专家通过对圈养已知熊猫的足迹进行收集分析，根据大熊猫野外地表介质复杂、地形复杂等特点，利用稳健的交互验证判别分析和聚类分析法，研发出了针对大熊猫个体识别的算法及模型，为保护大熊猫等珍稀动物提供了强有力的技术支持和保障。


在互联网、快消零售、家电、电信、银行等行业，通过聚类分析可以帮助分析人员更好地洞察客户，在更加理解客户需求的基础上，有效地控制成本，提高营销精准度，提高销售额并提升客户体验和客户满意度。


聚类分析用途广泛，并且受到越来越多专业分析人士的青睐。而层次聚类和K均值聚类就是常用的两种方法。点击这里即可系统地学习层次聚类和K均值聚类的基本概念、分析平台以及如何评估聚类的效果，以及实际应用案例。